人脸识别检测项目实战

Posted 无限嚣张(菜菜)

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了人脸识别检测项目实战相关的知识,希望对你有一定的参考价值。

文章目录

一、项目介绍

二、环境配置

三、项目知识储备

项目介绍

        人脸识别在现代化中应用较为广泛,比如人脸考勤系统等,银行卡人脸验证,手机面部识别等,顾名思义它也是一个分类系统,所以我们利用Python 调用opencv得分类器进行面部识别。

环境配置

        操作系统: Windows

        程序语言: Python 3.9.5(64-bit)安装步骤:Python 的下载安装与配置(针对新手)_无限嚣张(菜菜)的博客-CSDN博客1.进入官网:www.python.org/downloads/,点击Downloads Python 3.11.1 (个人觉得只要3的版本都行,根据自己的需求)6.点击win+R,输入cmd,输入Python,显示3.11.1,说明python 安装成功。7.测试代码:输入print("hello student"),最后quit(),退出。4.将下边框选中,点击 install。5.显示安装成功,点击关闭。https://blog.csdn.net/zywcxz/article/details/128277213?spm=1001.2014.3001.5501

        开发环境: Pycharm  安装步骤:

Python 开发环境的下载与配置以及anconda3在pycharm的配置_无限嚣张(菜菜)的博客-CSDN博客Python 开发环境的下载与配置以及anconda3在pycharm的配置https://blog.csdn.net/zywcxz/article/details/128284292?spm=1001.2014.3001.5501        opencv: 安装步骤:

        1.win+r

        2.在窗口输入cmd,回车

        3.输入pip install opencv-python,如下正在安装中,稍等片刻

        

 这个版本比较弱,我们后期到了检测环节是无法实现的,需要安装Ooen-cv软件

进入官网——Home - OpenCV

下载OpenCV-4.6.0版本

项目知识储备

导入图片

首先利用Python的cv模块,对图像进行读取

# 导入cv模块
import cv2 as impage

# 读取图片
img = impage.imread('cat.jpg')
# 显示图片
impage.imshow('read_img', img)
# 等待
impage.waitKey(0)
# 释放内存
impage.destroyAllWindows()

效果如下:

 

灰度转换 

# 导入cv模块
import cv2 as impage

# 读取图片
img = impage.imread('cat.jpg')
# 灰度转换
grey_scale_img = impage.cvtColor(img, impage.COLOR_BGR2GRAY)
# 显示灰度图片
impage.imshow('gray', grey_scale_img)
# 保存灰度图片
impage.imwrite('gray_face1.jpg', grey_scale_img)
# 显示图片
impage.imshow('read_img', img)
# 等待
impage.waitKey(0)
# 释放内存
impage.destroyAllWindows()

效果如下,可知它的图形颜色已经发生变化

修改图片尺寸的大小

import cv2 as impage

# 读取图片
img = impage.imread('cat.jpg')
# 修改尺寸
Modify_size_img = impage.resize(img, dsize=(200, 200))
# 显示原图
impage.imshow('img', img)
# 显示修改后的
impage.imshow('resize_img', Modify_size_img)
# 打印原图尺寸大小
print('修改前:', img.shape)
# 打印修改后的大小
print('修改后:', Modify_size_img.shape)
# 等待
while True:
    if ord('q') == impage.waitKey(0):
        break
# 释放内存
impage.destroyAllWindows()

通过下图明显可知图片尺寸已经发生改变

 接下来,我们打印输出,看其图片大小,可知修改前图片大小尺寸为:(548,400,3),修改以后的尺寸为:(200,200,3)

 如果我们检测到人脸以后需要画框,所以需要绘制矩形

矩形检测框图绘制

# 导入cv模块
import cv2 as image

# 读取图片
img = image.imread('cat.jpg')
# 坐标
x, y, w, h = 100, 100, 100, 100
# 绘制矩形
image.rectangle(img, (x, y, x + w, y + h), color=(0, 0, 255), thickness=5)
# 绘制圆形
image.circle(img, center=(x + w, y + h), radius=100, color=(255, 0, 0), thickness=5)
# 显示
image.imshow('re_img', img)
while True:
    if ord('q') == image.waitKey(0):
        break
# 释放内存
image.destroyAllWindows()

效果如下:

 人脸检测识别

# 导入cv模块
import cv2 as impage



# 检测函数
def face_detect_demo():
    gary = impage.cvtColor(img, impage.COLOR_BGR2GRAY)
    # 调用opencv的分类器
    face_detect = impage.CascadeClassifier(
        'C:/opencv/sources/data/haarcascades/haarcascade_frontalface_alt2.xml')
    
 
    face = face_detect.detectMultiScale(gary, 1.01, 5, 0, (50, 50), (300, 300))
    for x, y, w, h in face:
        impage.rectangle(img, (x, y), (x + w, y + h), color=(0, 0, 255), thickness=2)
    impage.imshow('result', img)


# 读取图像
img = impage.imread('cat.jpg')
# 检测函数
face_detect_demo()
# 等待
while True:
    if ord('q') == impage.waitKey(0):
        break
# 释放内存
impage.destroyAllWindows()

利用opencv中的人脸分类器进行分类识别,我们调用opencv里边的分类器

 我们设置在低于(50,50)之内不可能有人脸,在大于(300,300)之外也不可能有人脸。标框如下:

 多个人脸检测效果

# 导入cv模块
import cv2 as cv


# 检测函数
def face_detect_demo():
    gary = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
    face_detect = cv.CascadeClassifier('C:/opencv/sources/data/haarcascades/haarcascade_frontalface_alt2.xml')
    face = face_detect.detectMultiScale(gary)
    for x, y, w, h in face:
        cv.rectangle(img, (x, y), (x + w, y + h), color=(0, 0, 255), thickness=2)
    cv.imshow('result', img)


# 读取图像
img = cv.imread('face2.jpg')
# 检测函数
face_detect_demo()
# 等待
while True:
    if ord('q') == cv.waitKey(0):
        break
# 释放内存
cv.destroyAllWindows()

我们不能做到百分百的检测效果,我们通过修改参数可以做到,但是修改参数以后,我们仅仅是局限于这张图片,所以我们需要对人脸图片进行训练,最后识别。 

对人脸视频进行检测

# 导入cv模块
import cv2 as cv


# 检测函数
def face_detect_demo(img):
    gary = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
    face_detect = cv.CascadeClassifier('C:/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml')
    face = face_detect.detectMultiScale(gary)
    for x, y, w, h in face:
        cv.rectangle(img, (x, y), (x + w, y + h), color=(0, 0, 255), thickness=2)
    cv.imshow('result', img)
cap = cv.VideoCapture(0)
while True:
    flag, frame = cap.read()
    if not flag:
        break
    face_detect_demo(frame)
    if ord('q') == cv.waitKey(1):
        break
# 释放内存
cv.destroyAllWindows()
# 释放摄像头
cap.release()

具体摄像头识别,有需要自己玩就可以,本人亲自测试,可以调用摄像头使用。

数据集录入

        首先开启摄像头,然后显示每一帧图像,最后通过按键检测,如果检测到字符串“s”,则将图片保存到对应的目录下,如果检测到空格,则退出

# 导入模块
import cv2 as impage

# 摄像头
cap = impage.VideoCapture(0)

falg = 1
num = 1

while (cap.isOpened()):  # 检测是否在开启状态
    ret_flag, V_show = cap.read()  # 得到每帧图像
    impage.imshow("Capture_Test", V_show)  # 显示图像
    k = impage.waitKey(0) & 0xFF  # 按键判断
    if k == ord('s'):  # 保存
        impage.imwrite("C:/test/test1" + str(num)  + ".jpg", V_show)
        print("success to save" + str(num) + ".jpg")
        print("-------------------")
        num += 1
    elif k == ord(' '):  # 退出
        break

# 释放摄像头
cap.release()
# 释放内存
impage.destroyAllWindows()

如下可知我们保存到目录下的图片为20张:

训练数据

我们把刚才拍照的图片导入进来,作为训练集,

import os
import cv2
import sys
from PIL import Image
import numpy as np


def getImageAndLabels(path):
    facesSamples = []
    ids = []
    imagePaths = [os.path.join(path, f) for f in os.listdir(path)]
    # 检测人脸
    face_detector = cv2.CascadeClassifier('C:/opencv/sources/data/haarcascades/haarcascade_frontalface_alt2.xml')
    # 打印数组imagePaths
    print('数据排列:', imagePaths)
    # 遍历列表中的图片
    for imagePath in imagePaths:
        # 打开图片,黑白化
        PIL_img = Image.open(imagePath).convert('L')
        # 将图像转换为数组,以黑白深浅
        # PIL_img = cv2.resize(PIL_img, dsize=(400, 400))
        img_numpy = np.array(PIL_img, 'uint8')
        # 获取图片人脸特征
        faces = face_detector.detectMultiScale(img_numpy)
        # 获取每张图片的id和姓名
        id = int(os.path.split(imagePath)[1].split('.')[0])
        # 预防无面容照片
        for x, y, w, h in faces:
            ids.append(id)
            facesSamples.append(img_numpy[y:y + h, x:x + w])
        # 打印脸部特征和id
        # print('fs:', facesSamples)
        print('id:', id)
        # print('fs:', facesSamples[id])
    print('fs:', facesSamples)
    # print('脸部例子:',facesSamples[0])
    # print('身份信息:',ids[0])
    return facesSamples, ids



if __name__ == '__main__':
    # 图片路径
    path = "C:/test/test1"
    # 获取图像数组和id标签数组和姓名
    faces, ids = getImageAndLabels(path)
    # 加载识别器
    recognizer = cv2.face.LBPHFaceRecognizer_create()
   # 训练
    recognizer.train(faces, np.array(ids))
    # 保存文件
  # recognizer.write('trainer/trainer.yml')
    # save_to_file('names.txt',names)

人脸识别过程

import cv2
import numpy as np
import os
# coding=utf-8
import urllib
import urllib.request
import hashlib

#加载训练数据集文件
recogizer=cv2.face.LBPHFaceRecognizer_create()
recogizer.read('trainer/trainer.yml')
names=[]
warningtime = 0

def md5(str):
    import hashlib
    m = hashlib.md5()
    m.update(str.encode("utf8"))
    return m.hexdigest()

statusStr = 
    '0': '短信发送成功',
    '-1': '参数不全',
    '-2': '服务器空间不支持,请确认支持curl或者fsocket,联系您的空间商解决或者更换空间',
    '30': '密码错误',
    '40': '账号不存在',
    '41': '余额不足',
    '42': '账户已过期',
    '43': 'IP地址限制',
    '50': '内容含有敏感词'



def warning():
    smsapi = "http://api.smsbao.com/"
    # 短信平台账号
    user = '13******10'
    # 短信平台密码
    password = md5('*******')
    # 要发送的短信内容
    content = '【报警】\\n原因:检测到未知人员\\n地点:xxx'
    # 要发送短信的手机号码
    phone = '*******'

    data = urllib.parse.urlencode('u': user, 'p': password, 'm': phone, 'c': content)
    send_url = smsapi + 'sms?' + data
    response = urllib.request.urlopen(send_url)
    the_page = response.read().decode('utf-8')
    print(statusStr[the_page])

#准备识别的图片
def face_detect_demo(img):
    gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#转换为灰度
    face_detector=cv2.CascadeClassifier('D:/opencv/opencv/sources/data/haarcascades/haarcascade_frontalface_alt2.xml')
    face=face_detector.detectMultiScale(gray,1.1,5,cv2.CASCADE_SCALE_IMAGE,(100,100),(300,300))
    #face=face_detector.detectMultiScale(gray)
    for x,y,w,h in face:
        cv2.rectangle(img,(x,y),(x+w,y+h),color=(0,0,255),thickness=2)
        cv2.circle(img,center=(x+w//2,y+h//2),radius=w//2,color=(0,255,0),thickness=1)
        # 人脸识别
        ids, confidence = recogizer.predict(gray[y:y + h, x:x + w])
        #print('标签id:',ids,'置信评分:', confidence)
        if confidence > 80:
            global warningtime
            warningtime += 1
            if warningtime > 100:
               warning()
               warningtime = 0
            cv2.putText(img, 'unkonw', (x + 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1)
        else:
            cv2.putText(img,str(names[ids-1]), (x + 10, y - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 255, 0), 1)
    cv2.imshow('result',img)
    #print('bug:',ids)

def name():
    path = './data/jm/'
    #names = []
    imagePaths=[os.path.join(path,f) for f in os.listdir(path)]
    for imagePath in imagePaths:
       name = str(os.path.split(imagePath)[1].split('.',2)[1])
       names.append(name)


cap=cv2.VideoCapture('1.mp4')
name()
while True:
    flag,frame=cap.read()
    if not flag:
        break
    face_detect_demo(frame)
    if ord(' ') == cv2.waitKey(10):
        break
cv2.destroyAllWindows()
cap.release()
#print(names)

注:项目来源参考于微信公众号:竞赛空间,最终项目解释权来源于:竞赛空间

以上是关于人脸识别检测项目实战的主要内容,如果未能解决你的问题,请参考以下文章

人脸检测和识别 源代码 下载-opencv3+python3.6完整实战项目源代码 识别视频《欢乐颂》中人物

AI简报20210528期ARM发布 Armv9 保姆级人脸检测部署教程等实战项目

『Python开发实战菜鸟教程』实战篇:一文带你了解人脸识别应用原理及手把手教学实现自己的人脸识别项目

『Python开发实战菜鸟教程』实战篇:一文带你了解人脸识别应用原理及手把手教学实现自己的人脸识别项目

『Python开发实战菜鸟教程』实战篇:一文带你了解人脸识别应用原理及手把手教学实现自己的人脸识别项目

『Python开发实战菜鸟教程』实战篇:一文带你了解人脸识别应用原理及手把手教学实现自己的人脸识别项目